我们如何测量 AI 可见度
不搞黑箱操作：本页详细说明扫描过程中究竟发生了什么、报告中每个数字如何计算，以及一次扫描能——和不能——告诉你什么。
1. 我们提出真实的买家问题
针对你的行业和所在地，我们生成真实客户会向 AI 助手输入的问题——例如「{location}最好的{industry}是哪家？」或「紧急情况该找谁？」。你还可以添加最多两条自己的问题。每个问题都以客户的口吻原样提问，不含任何关于你企业的提示。
2. 我们通过 API 调用多个 AI 模型
每个问题都会通过 API 发送给多个大语言模型——与 ChatGPT 类 AI 助手背后是同一类 AI 技术。不同模型以及同一模型的不同运行结果都可能有所差异；因此，我们会在多个模型上提出大量问题，而不是依赖单次聊天。报告中会原样展示每条未经编辑的原始回答。
3. 我们如何衡量 AI 的回答
- •提及率——提到你企业（按名称或已知别名）的回答所占比例。
- •平均排名——被提及时你在推荐列表中的位置（#1.0 = 总是排第一）。
- •竞品雷达——AI 还推荐了哪些其他企业，以及推荐频率。
- •情感倾向——被提及时 AI 如何描述你（正面 / 中性 / 负面）。
- •引用来源——AI 参考的网站和目录，即它们的知识来源。
4. A–F 评级如何计算
评级直接根据提及率计算：A = 在 60% 或更多的回答中被提及，B = 30–59%，C = 10–29%，F = 低于 10%。没有复杂的加权规则——得出评级的原始回答始终会显示在报告中。
A
≥ 60%
B
30–59%
C
10–29%
F
< 10%
5. 局限性——一次扫描不能告诉你什么
AI 的回答会随时间变化，也会因用户位置和措辞略有不同，模型本身也会定期更新。一次扫描只是一个快照，并不构成保证——因此，监测方案会每周重新扫描并跟踪趋势。我们目前通过 API 调用主流大语言模型；当其他助手提供稳定的 API 后，覆盖范围也会随之扩大。
6. 两个回答通道：直接与检索接地
每个问题都在两个通道上采样。直接：模型仅凭训练知识作答，类似与不联网的助手对话。检索接地：我们对问题执行真实的网页搜索，要求模型仅基于这些结果作答并引用它们 —— 引用的 URL 来自搜索结果，而非模型记忆。这模拟了带搜索的 AI 助手的作答方式，但它是一种模拟（检索 + 模型合成），并非对 ChatGPT search、Perplexity 或 Google AI Overviews 的直接测量。报告中会分通道分别标注。